Data mining - CdL CLAMSES
Università degli Studi di Milano-Bicocca
Si consideri un vettore di variabili esplicative a valori reali x \in \mathbb{R}^p.
Interessa penalizzare gli errori di previsione utilizzando la funzione di perdita quadratica \mathscr{L}(y, f(x)) = (y - f(x))^2.
Il criterio di scelta di f risulta essere l’errore quadratico medio di previsione \mathbb{E}\{(y - f(x))^2 \}.
La cui soluzione di minimo è f(x) = \mathbb{E}\{y \mid x = x_0\}, il valore atteso condizionato, ovvero la funzione di regressione.
Quanto fa 156 * 2867?
Risposta: 4.4616^{4}